[发明专利]DNA修复分析及其方法在审
| 申请号： | 201880051383.1 | 申请日： | 2018-08-07 |
| 公开（公告）号： | CN110998738A | 公开（公告）日： | 2020-04-10 |
| 发明（设计）人： | 派翠克·松吉翁;沙赫鲁兹·拉比扎德;卡伊万·尼亚兹 | 申请（专利权）人： | 河谷控股IP有限责任公司 |
| 主分类号： | G16B20/00 | 分类号： | G16B20/00;G16B25/00;G16H20/00 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 王春伟;刘继富 |
| 地址： | 美国加利*** | 国省代码： | 暂无信息 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 预期了使用DNA修复基因的各种组学数据评估个体的健康相关参数的系统和方法。 | ||
| 搜索关键词： | dna 修复 分析 及其 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河谷控股IP有限责任公司，未经河谷控股IP有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201880051383.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 向量模型训练方法、负样本生成方法、介质及设备-202280000001.9
- 张振中 - 京东方科技集团股份有限公司
- 2022-01-04 - 2023-09-05 - G16B20/00
- 本公开提供一种向量模型训练方法、负样本生成方法、存储介质及电子设备；涉及人工智能技术领域。所述方法包括：获取多个RNA序列和多个蛋白质序列；向量化多个RNA序列，得到多个RNA第一向量；向量化多个蛋白质序列，得到多个蛋白质第一向量；根据RNA第一向量和蛋白质第一向量确定RNA序列和蛋白质序列之间的相互作用；计算任意两个RNA序列之间的距离，得到多个RNA‑RNA对的相似度；计算任意两个蛋白质序列之间的距离，得到多个蛋白质‑蛋白质对的相似度；根据RNA序列和蛋白质序列之间的相互作用、RNA‑RNA对的相似度和蛋白质‑蛋白质对的相似度对向量模型进行训练，并利用训练好的向量模型生成目标负样本。
- 用于癌症分类的样品确认-202180073496.3
- O·萨卡里亚;C-J·A·V·亚基姆 - 格瑞尔有限责任公司
- 2021-08-26 - 2023-08-11 - G16B20/00
- 公开了用于确认DNA样品来自测试受试者的系统和方法。测试受试者报告可以从DNA样品预测的一个或多个特征(生物学性别、种族和/或年龄)。将预测与所报告的特征进行比较以确认DNA样品。为了根据生物学性别进行确认，系统基于针对Y染色体具有特异性的基因的序列读段的计数来确定Y染色体信号，并且同样，使用针对X染色体具有特异性的另一基因确定X染色体信号。基于对两个信号的比较来预测生物学性别。为了根据种族进行确认，该系统基于所检测到的每个染色体具有特异性的SNP的等位基因频率来预测种族。为了根据年龄进行确认，系统计算带有年龄信息的CpG位点的甲基化密度。该系统利用经训练的回归模型以使用甲基化密度预测年龄。
- RNA-蛋白质相互作用预测方法、装置、介质及电子设备-202180002692.1
- 张春会;张振中 - 京东方科技集团股份有限公司
- 2021-09-27 - 2023-07-25 - G16B20/00
- 一种RNA‑蛋白质相互作用预测方法、装置、介质及电子设备；涉及人工智能技术领域。所述方法包括：获取待预测的RNA‑蛋白质对(S210)；对所述待预测的RNA‑蛋白质对进行特征提取，得到所述待预测的RNA‑蛋白质对的序列特征(S220)；向量化所述待预测的RNA‑蛋白质对，得到所述待预测的RNA‑蛋白质对中的RNA序列表示向量和蛋白质序列表示向量(S230)；基于所述待预测的RNA‑蛋白质对的序列特征、待预测的RNA‑蛋白质对中的RNA序列表示向量和蛋白质序列表示向量，使用多个相互作用预测模型分别得到所述待预测的RNA‑蛋白质对的多个相互作用预测值(S240)；根据所述多个相互作用预测值确定所述RNA和蛋白质之间的相互作用(S250)。
- 微卫星不稳定性检测方法及系统-202180057858.X
- 叶雅琪;陈建宏;陈淑贞;陈映嘉;陈冠萤 - 行动基因（智财）有限公司
- 2021-06-18 - 2023-07-14 - G16B20/00
- 本发明提供一种用于检测微卫星不稳定性(MSI)状态的方法和系统，系利用次世代定序(NGS)以及一种机器学习模型。本发明进一步提供一种依据人类个体MSI状态的运算数据而决定疗法的方法以及系统。
- LFA测试条的神经网络分析-202180055190.5
- 马扬克·库马尔;凯文·J·米勒;史蒂文·舍夫;西达尔斯·萨蒂什 - EXA健康公司
- 2021-07-07 - 2023-05-23 - G16B20/00
- 示例方法和系统训练端到端神经网络机器以通过学习光照变化、测试条反射、双向反射分布函数、成像的角度、智能电话相机的响应曲线或其任何合适组合之间的非线性相互作用，来分析侧流测定测试条的图像。这样的示例方法和系统改进了环境光设置下的定量测试结果的精度的变异系数、定量极限和检测极限。
- 用于游离DNA片段大小密度以评估癌症的方法和系统-202180056064.1
- J·凯利;N·C·德拉科波利;S·琼斯 - 德尔菲诊断公司
- 2021-08-17 - 2023-05-23 - G16B20/00
- 本公开提供了利用从患者获得的样本中的游离DNA(cfDNA)片段大小密度的分析来诊断和预测癌症状态的方法和系统。还提供了包括测序仪的系统，所述测序仪被配置成生成样本的低覆盖度全基因组测序数据集。
- 使用机器学习技术生成蛋白质序列-202080045620.0
- 蒂莱利·阿米默;兰德尔·罗伯特·凯切姆;杰里米·马丁·谢弗;鲁蒂略·H·克拉克;约翰·亚历克斯·泰勒 - 贾斯特-埃沃泰克生物制品有限公司
- 2020-05-19 - 2023-04-18 - G16B20/00
- 可以使用包括生成抗体轻链的氨基酸序列的第一生成部件和生成抗体重链的氨基酸序列的第二生成部件的生成式对抗网络来生成抗体的氨基酸序列。可以通过将由第一生成部件和第二生成部件产生的相应氨基酸序列进行组合来产生抗体的氨基酸序列。第一生成部件和第二生成部件的训练可以以不同的速率进行。另外，可以根据抗体氨基酸序列的互补决定区来评估通过将来自第一生成部件和第二生成部件的氨基酸序列进行组合而产生的抗体氨基酸。可以使用与抗体相对应的氨基酸序列产生训练数据集，所述抗体关于分子具有特定的结合亲和力，例如与主要组织相容性复合物(MHC)分子的结合亲和力。
- 用于复合遗传变体的检测和定相的方法和系统-202180046202.8
- Q·曾;N·T·利池 - 美国控股实验室公司
- 2021-05-19 - 2023-03-31 - G16B20/00
- 本文公开了用于确定复合遗传变体的方法、系统和计算机程序产品。所公开的方法、系统和计算机程序产品可包括获得突变型支架核苷酸序列，所述核苷酸序列包含含有复合遗传变体的突变特征的序列；获得具有野生型序列的野生型支架核苷酸序列；生成来自样品的至少一个序列与突变型支架和与野生型支架的比对；以及基于与突变型支架而非与野生型支架的比对，确定样品包含复合遗传变体的突变特征。
- 用于评估纵向生物特征数据的系统和方法-202080094549.5
- M·赛勒斯·马厄;亚历克斯·阿尔法尼斯;安吉拉·赖;奥利弗·克劳德·维恩;理查德·拉瓦;晶·项;约瑟夫·马库斯 - 格里尔公司
- 2020-11-25 - 2023-03-21 - G16B20/00
- 提供了用于确定一测试对象是否患有一疾病状况的系统和方法。在一个方面，所述方法包括确定一测试对象的至少第一基因型数据结构和第二基因型数据结构，其由在不同时间分别从来自所述对象的第一样本和第二样本收集的数据形成。将所述第一基因型数据结构和所述第二基因型数据结构输入到所述疾病状况的一模型中，从而分别产生所述疾病状况的第一模型得分集和第二模型得分集。基于所述第一模型得分集与所述第二模型得分集之间的一差异来确定一测试δ得分集。对照多个参考δ得分集来评估所述测试δ得分集，以确定所述测试对象的所述疾病状况，其中每个参考δ得分集用于多个参考对象中的一相应参考对象。
- 使用自动编码器确定癌症状态的系统和方法-202180032546.3
- 弗吉尔·尼古拉;约书亚·纽曼 - 格里尔公司
- 2021-03-04 - 2023-02-14 - G16B20/00
- 本发明公开一种用于区分癌症状态的方法。获得具有第一癌症状态的多个受试者的第一数据集。每个受试者具有多个核酸甲基化片段，其甲基化图谱包括CpG位点甲基化状态。通过评估自动编码器的重建中的第一数据集中每个核酸甲基化片段的甲基化图谱和核酸序列的误差，来训练包括编码器和解码器的自动编码器。获得具有第二癌症状态的多个受试者的第二数据集。通过将第二数据集中每个核酸甲基化片段的甲基化图谱和核酸序列输入到经过训练的自动编码器中，并计算自动编码器的重建中由甲基化图谱确定的分数，可以识别多个特征。多个特征用于训练用于判别癌症状态的监督模型。
- 用于预测样品重新评估成功的过程指示标识的基于机器学习的分析-202180037732.6
- K·J·吉特森;N·雷扎伊;P·M·菲利浦克鲁兹 - 因美纳有限公司
- 2021-05-28 - 2023-01-31 - G16B20/00
- 本发明所公开的技术涉及用于在一次或多次非决定性样品评估运行后对是否重新评估样品进行评分的系统和方法。评分能够基于调用率和来自过程探针的读数的组合，该过程探针在样品处理的连续阶段生成指示处理参数的信号。该系统能够包括分类器，该分类器被训练以预测附加样品评估运行是否将产生针对该样品的决定性结果。该系统能够使用来自被分组成样品依赖性过程探针和样品独立性过程探针的探针的多个读数。该系统能够使用来自根据该样品评估运行的三个阶段进行分组的探针的辐射信号的多个读数。
- 用于确定治疗响应者的方法和系统-202180035843.3
- W·张;J·何 - 瑞泽恩制药公司
- 2021-03-17 - 2023-01-31 - G16B20/00
- 描述了用于将患者分类为响应者或非响应者的方法、系统和设备。
- 为禽类物种建立表观遗传时钟的方法-202180023915.2
- G·拉达茨;F·吕科;F·博埃尔;A·卡佩尔;E·I·伊圭;F·蒂曼;S·佩尔策 - 赢创运营有限公司
- 2021-01-22 - 2022-11-11 - G16B20/00
- 本发明涉及通过计算机实现的为禽类物种建立表观遗传时钟的方法，该方法包括(a.)识别和确定从来自禽类物种并代表该禽类物种的时间寿命内的特定时间点的多个不同生物样本材料中获得的基因组DNA内特定CpG位点的甲基化水平，(b.)从步骤(a.)中识别的CpG位点中排除所有与单核苷酸多态性(SNP)相关的CpG位点，(c.)从步骤(b.)中获得的CpG位点中排除所有位于性染色体(Z和W)上的CpG位点，(d.)对步骤(c.)中获得的CpG位点进行组织特异性归一化步骤，以及(e.)使用惩罚性回归模型将步骤(d.)中获得的CpG位点的CpG甲基化水平与实足年龄相关联。
- 使用甲基化信息估计细胞来源分数的系统和方法-202080093998.8
- 项晶;罗伯特·安倍·潘恩·卡列夫 - 格里尔公司
- 2020-12-18 - 2022-10-18 - G16B20/00
- 提供了识别用于估计受试者细胞来源分数的多个特征的方法。对于多个训练受试者中的每个相应的训练受试者，获得了相应的训练的多个游离片段中的每个相应的游离片段中的相应甲基化模式和相应受试者癌症适应症。每个游离片段被映射到多个仓中的一个仓，每个仓代表人类参照基因组。在将相应的游离片段的相应甲基化模式输入分类器时，游离片段癌症状况被分配给每个游离片段，作为分类器的输出的一函数。对于每个仓，确定了受试者癌症状况和游离片段癌症状况之间的关联的度量。用于估计受试者细胞来源分数的多个特征被识别作为多个仓的子集。
- 选择用于测定的细胞系-202180016633.X
- A·辛;F·穆拉斯;P·奥杰米斯;C·格拉斯顿伯里;P·诺瓦萨斯;P·克里德 - 伯耐沃伦人工智能科技有限公司
- 2021-02-12 - 2022-10-14 - G16B20/00
- 一种选择用于测定的细胞系的计算机实现的方法和系统。该计算机实现的方法和系统将包括一个或多个特征的数据编码为一个或多个潜在变量。在一个或多个潜在变量中编码的一个或多个特征被识别并基于该一个或多个特征映射到细胞系。确定一个或多个靶标与一个或多个潜在变量中的一个或多个中的每一个的相关性，并且通过一个或多个潜在变量将一个或多个靶标与细胞系匹配。
- 使用补丁卷积神经网络的癌症分类-202080096315.4
- 弗吉尔·尼古拉;奥格尼恩·尼科利奇;亚苏锡·齐藤;马里斯·埃里克森;乔希·纽曼;达莉亚·菲利波娃;亚力山大·伊普;奥利弗·克劳德·维恩;约格·布登诺;刘勤文;亚历山大·P·菲尔兹 - 格里尔公司
- 2020-12-11 - 2022-10-04 - G16B20/00
- 提供多种用于确定一物种的一对象的一癌症状态的方法，所述方法包括：获得片段甲基化模式的一数据集，所述片段甲基化模式通过对来自所述对象的一生物样品的核酸的一甲基化测序而确定。片段甲基化模式包括所述片段中的每个CpG位点的所述甲基化状态。补丁包括一通道，所述通道包括由所述补丁代表的所述参考基因组中一组CpG位点中的各自的CpG位点的所述甲基化状态的参数，针对所述多个片段中与所述CpG位点集比对的每个各自的片段，基于所述各自的片段的所述甲基化模式，填充所述多个参数的全部或部分的一实例来建构所述补丁。将所述补丁应用于一补丁卷积神经网络以确定所述对象的所述疾病状况。
- 疾病治疗管理因素特征自动预测方法及电子设备-201980001872.0
- 牛钢;范彦辉;冯震东;张强祖;张春明 - 北京哲源科技有限责任公司
- 2019-09-02 - 2022-08-16 - G16B20/00
- 本申请公开疾病治疗管理因素特征自动预测方法及电子设备，所述方法包括：电子设备获得目标对象的被测样本的若干突变基因对预定基因组中的各个基因的表达活性的一致性负担参数数据，其中所述预定基因组与所述疾病对应；以及所述电子设备基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据。
- 用于分析DNA数据的读数层特定噪声模型-202080077722.0
- E·哈贝尔 - 格瑞尔有限责任公司
- 2020-09-08 - 2022-07-12 - G16B20/00
- 用于处理核酸数据集的噪声模型可以将已处理的序列读数分层到不同的读数层。每个读数层可以是基于潜在的变体位置是否在所述序列读数的重叠区域和/或互补区域来定义的。处理系统可以针对每个读数层确定在所述变体位置处的分层测序深度。所述处理系统可以针对每个读数层确定以所述读数层的所述分层测序深度为条件的一个或多个噪声参数。所述噪声参数可以与噪声分布相关联。所述处理系统可以基于以所述分层测序深度为条件的所述噪声参数生成每个噪声模型的输出。所述处理系统可以组合每个分层噪声模型的输出以生成组合结果，所述组合结果可以表示事件与观察到的所述数据一样或者比观察到的所述数据更极端的可能性。
- 用于下一代测序样品中的污染检测的系统和方法-202080080423.2
- O·卡姆内瓦;S·王 - 豪夫迈·罗氏有限公司
- 2020-11-20 - 2022-07-08 - G16B20/00
- 本文描述了一种基于β混合建模的统计方法，所述统计方法用于检测污染并报告污染水平，作为液体活检样品的点估计值和置信区间两者。我们通过计算机模拟和体外污染加标样品两者验证了我们的方法。尽管我们专注于液体活检样品，但同样的策略经过小幅修改，适用于任何一般的NGS应用。例如，可以根据本文所述的系统和方法使用来自活检的组织样品。
- 用于污染物的生物修复的系统和方法-202080041904.2
- 思沃迪哈·安纳德;米塔利·麦钱特;安维萨·莫哈帕特拉;沙尔米拉·谢卡尔·曼德;维尼特·巴特;普雷蒂·阿拉格莱·珊伯特 - 塔塔咨询服务有限公司
- 2020-04-11 - 2022-04-12 - G16B20/00
- 多种污染物对环境的污染正在成为一个全球性的健康问题。许多方法被用于这些污染物的生物修复。已经提供了用于一种或多种污染物的方法和系统。样本是从含有污染物的场地采集的。随后从样本中分离污染物。此外还创建了这些污染物的各种类型的降解剂的知识库。使用该知识库创建微生物图谱。随后利用微生物图谱设计第一微生物群落和第二微生物群落，它们共同提供了降解污染物所需的基因、蛋白质和酶。最后，第一微生物群落和/或第二微生物群落的混合物施用于该场地。该方法进一步包括检查所施用的混合物的功效并且进一步包括该混合物的重新施用。
- 通过测序进行核型分析的系统和方法-202080033103.1
- S·沙利文;B·纳尔逊;M·普锐斯;Z·克伦博格;S·埃克;I·利亚奇科 - 相位基因组学公司
- 2020-03-27 - 2022-02-08 - G16B20/00
- 本公开涉及用于使用染色体构象捕获数据鉴别受试者中的染色体结构变异、将所述染色体结构变异与疾病或病症相关联的方法和系统，以及治疗所述疾病或病症的方法。
- 用于从多个数据集导出和优化分类器的系统和方法-202080023314.7
- M·B·梅休;L·布图罗维奇;T·E·斯威尼;R·吕蒂;P·卡特里 - 英芙勒玛提克斯公司
- 2020-03-20 - 2021-11-05 - G16B20/00
- 提供了使用多个模块进行对象临床状况评估的系统和方法。模块包括其相应特征值与和临床状况相关的表型的不存在、存在或阶段相关联的特征。对于多个模块中的至少第一个，获得具有特征值的第一数据集，该特征值是通过第一技术背景以转录组学、蛋白质组学或代谢组学形式从相应对象获得的。获得具有特征值的第二训练数据集，该特征值是从第二数据集的训练对象以与至少第一模块的第一数据集相同的形式通过第一技术背景以外的技术背景获得的。通过跨训练数据集共归一化特征值来去除数据集间批次效应，从而计算用于训练分类器以对测试对象进行临床状况评估的共归一化特征值。
- 基于神经网络实现的方法和系统-201980003263.9
- H·高;K-H·法尔;S·雷迪帕迪格帕蒂 - 因美纳有限公司
- 2019-05-09 - 2021-10-19 - G16B20/00
- 所公开的技术包括减少处理氨基酸序列和对应的位置频率矩阵(PFM)的神经网络实现的模型的过拟合的系统和方法。所述系统生成标记为良性的补充训练样例序列对，所述补充训练样例序列对包括按顺序排列的起始位置、目标氨基酸位置和结束位置。补充序列对补充了致病性或良性错义训练样例序列对。其在参考氨基酸序列和替代氨基酸序列中具有相同的氨基酸。所述系统包括用每个补充序列对输入补充训练位置频率矩阵(PFM)的逻辑，所述补充训练PFM与在匹配的起始和结束位置的所述良性或致病性错义训练样例序列对的PFM相同。系统包括通过补充训练样例PFM包含在将训练数据中来削弱在训练所述神经网络实现的模型期间所述训练PFM的训练影响的逻辑。
- 用于预测HLA II类特异性表位及表征CD4+ T细胞的方法和系统-201980092864.1
- 迈克尔·史蒂文·鲁尼;詹尼弗·格雷斯·阿贝林;杜米尼克·巴特尔梅;罗伯特·卡门 - 百欧恩泰美国公司
- 2019-12-20 - 2021-10-01 - G16B20/00
- 本公开提供了制备个性化癌症疫苗的方法。本公开还提供了一种训练机器学习HLA‑肽呈递预测模型的方法。
- 基于预测的肿瘤突变负荷的肿瘤分类-201980085528.4
- H·Y·K·林;M·莫希于丁;L·姚 - 豪夫迈·罗氏有限公司
- 2019-12-20 - 2021-08-06 - G16B20/00
- 本公开提供分类和/或鉴定癌症亚型的系统和方法。本公开还提供通过在计算方法中使用同义和非同义体细胞突变两者来增强对肿瘤突变负荷的预测的方法。据信，通过增加所述肿瘤突变负荷计算中的突变数量，可以导出相对更一致的肿瘤突变负荷，特别是对于靶向组合测序。据信，与从全外显子组测序数据计算出的肿瘤突变负荷相比，来自靶向组合的所述肿瘤突变负荷的一致计算允许对测序数据进行计算更快且成本更低的分析。
- 用于确定短串联重复区域中的变化的基于序列图的工具-202080005551.0
- 伊戈尔·多尔曾科;迈克尔·A·埃伯利 - 伊鲁米那股份有限公司
- 2020-03-06 - 2021-06-11 - G16B20/00
- 所公开的实施方案涉及用于对重复序列诸如医学上显著的短串联重复序列(STR)进行基因分型的方法、装置、系统和计算机程序产品。该方法涉及将读段与由序列图表示的重复序列比对，并使用所比对的读段对该重复序列进行基因分型。该序列图是有向图，每个有向图包括表示重复子序列的至少一个自环。在一些具体实施中，该读段是配对末端读段，并且每个读段对的两个匹配可用于对该重复序列进行基因分型。一些具体实施可用于确定简并密码子重复。一些具体实施可用于对各自包括两个或更多个重复子序列的重复序列进行基因分型。一些具体实施可用于对核酸序列进行基因分型，每个核酸序列包括至少一个重复子序列和另一个遗传变异诸如插入、缺失或置换。
- 用于定位或识别恶性肿瘤的装置和方法-201980069507.3
- K·切尔诺夫;E·勒沃尼奇;K·施努尔;K·沃特尔斯特拉特 - 艾斯皮雷科技股份有限公司
- 2019-04-23 - 2021-06-08 - G16B20/00
- 一种在计算装置中执行的方法。所述方法包括在计算装置处接收从包含生物生理学载体蛋白的相应多个等分试样获取的多个光谱。自旋探针的浓度和极性试剂的浓度中的至少一个在等分试样之间变化。然后，计算装置基于接收到的光谱确定生物物理参数，并将接收到的光谱的至少一部分和生物物理参数作为输入施用到训练的逻辑回归模型。对逻辑回归模型进行训练以确定与多个预定疾病和/或疾病定位中的一个或多个有关的所应用输入参数的概率。训练的模型用于确定与一个或多个所述预定疾病和/或疾病定位有关的输入参数的概率，并输出测定的结果。
- 用于分析染色质相互作用数据的方法和设备-201980034320.X
- A·阿林-富伊尔;B·D·阿西;G·A·希金斯;A·阿德 - 密歇根大学董事会
- 2019-03-21 - 2021-01-26 - G16B20/00
- 为了分析染色质的空间组织，计算装置可以使用二叉搜索树将基因组元件触点或读段编译到可变大小的箱中。所述箱可被选择用于各自表示基因组内不同的切割位点增量或功能元件，如基因、TAD、染色质状态片段、环状结构域、染色质结构域等。选择两组箱来生成箱对的正方形基因组矩阵，其中每个组表示所述矩阵的轴。然后将归一化方法应用于具有可变大小和/或形状的所述箱对的相互作用频率以生成每个箱对的经归一化的相互作用频率。可以使用所述经归一化的相互作用频率来识别具有富集的触点和贫化的触点的箱对，以进行各种分析，包含基因组变体的靶基因的检测，以及触点的全基因组分析。
- 用于癌症侦测的多重化验预测模型-201980034823.7
- 厄尔·哈贝尔;萨缪尔·S·格罗斯;达莉亚·菲利波娃;沈翎;奥利弗·克劳德·维恩;亚历山大·韦弗·布罗克;张楠;塔拉·马妲拉;亚历克斯·阿尔法尼斯;刘勤文;安东·瓦卢耶夫;弗吉尔·尼古拉;理查德·T·威廉斯 - 格里尔公司
- 2019-04-15 - 2021-01-08 - G16B20/00
- 一种预测性癌症模型，通过分析一个或更多个类型的特征的数值而产生对感兴趣的一个体的一癌症预测。所述特征是衍生自获得自所述个体的cfDNA。特定地，来自所述个体的cfDNA被以一个或更多个物理化验定序，以产生数个序列读数。所述物理化验的数个示例包括一小变异定序化验、全基因组定序化验及甲基化定序化验。所述数个物理化验的所述数个序列读数经由对应的计算机分析处理，以产生数个小变异特征、数个全基因组特征及数个甲基化特征中的每个。数个特征的所述数值可以被提供至产生一癌症预测的一预测性癌症模型。在一些实施例中，不同类型的数个特征的所述数值可以被分离地提供至不同的数个预测性模型中。每个分离的预测性模型可以输出一分数。所述分数可以作为进入一总体模型的输入，所述总体模型输出所述癌症预测。
- 用于识别扰动因子与皮肤病症相关基因之间的关联的系统和方法-201980027328.3
- 赵文柱;箱崎智洋;利奥二世·T·罗琳 - 宝洁公司
- 2019-05-22 - 2020-11-27 - G16B20/00
- 本发明公开了一种经改进的关联性映射方法，所述方法用于识别与实例相关联的潜在护肤剂和与皮肤色素沉着过度病症相关联的基因之间的关联。所述系统包括其上存储有多个实例的非暂态计算机可读介质，以及与皮肤病症相关联的偏向基因表达标记。所述偏向病症标记是通过基准标记过滤非偏向病症标记来构建的。
- 专利分类
